Загрузка видео...

Не удалось загрузить видео

Возникла проблема при загрузке этого видео. Это может быть связано с временными проблемами сети или видео может быть недоступно.

На главную

CES 2026黄仁勋的演讲上，最抢戏的莫过于这两个机器人小家伙了。但是老黄真正想展示的是将他们训练出来的Omniverse，让机器人在虚拟空间中就能完成这些灵活动作的训练。换种说法就是让合成数据训练机器人、自动驾驶等物理AI应用成为可能。

傅盛

50,467 subscribers

113,865 просмотров • 5 месяцев назад •via X (Twitter)

Наука и технологии

Anya Rossi• Live Now

Private livecam show

Комментарии: 0

Нет доступных комментариев

Здесь появятся комментарии из оригинального поста

Похожие видео

【黄仁勋：物理AI的ChatGPT时刻已经到来】两个关键词：世界模型&合成数据。收集真实世界的训练数据既慢又贵，而且永远不够用。于是老黄这次带来的是一个符合真实世界物理规律的世界模型——Cosmos，它能完成物理AI相关的技能，比如生成、推理和运动轨迹预测。让包括自动驾驶汽车、AI驱动的机器人等物理AI应用在虚拟世界中完成低成本却又高效的训练。我现在正好在听苏姿丰的演讲，他们完全选了两个方向，一个在强调物理AI，另一个再着重聊AIGC、游戏等应用。

【黄仁勋：物理AI的ChatGPT时刻已经到来】两个关键词：世界模型&合成数据。收集真实世界的训练数据既慢又贵，而且永远不够用。于是老黄这次带来的是一个符合真实世界物理规律的世界模型——Cosmos，它能完成物理AI相关的技能，比如生成、推理和运动轨迹预测。让包括自动驾驶汽车、AI驱动的机器人等物理AI应用在虚拟世界中完成低成本却又高效的训练。我现在正好在听苏姿丰的演讲，他们完全选了两个方向，一个在强调物理AI，另一个再着重聊AIGC、游戏等应用。

傅盛

37,583 просмотров • 5 месяцев назад

CES的"瓦力"vs GTC的"雪宝"，这才是2026最震撼的对比！ ⬅️ 两个月前：CES大会黄仁勋带来"瓦力"机器人不会说话，但已经令人惊讶 ➡️ 两个月后：GTC大会黄仁勋带来机器人版"雪宝" 能走路 · 能思考 · 能说话 · 能回怼老黄本人 😂 NVIDIA × 迪士尼 × DeepMind，物理AI + Omniverse训练，让经典IP角色真实走进现实世界。这就是AI的发展速度，不是以年计，而是以月计了！

CES的"瓦力"vs GTC的"雪宝"，这才是2026最震撼的对比！ ⬅️ 两个月前：CES大会黄仁勋带来"瓦力"机器人不会说话，但已经令人惊讶 ➡️ 两个月后：GTC大会黄仁勋带来机器人版"雪宝" 能走路 · 能思考 · 能说话 · 能回怼老黄本人 😂 NVIDIA × 迪士尼 × DeepMind，物理AI + Omniverse训练，让经典IP角色真实走进现实世界。这就是AI的发展速度，不是以年计，而是以月计了！

PANews丨APP全面升级

33,569 просмотров • 3 месяцев назад

牛P大了英伟达发布了Groot Teleop 技术允许你通过Apple Vision Pro 来训练机器人你可以佩戴Apple Vision Pro进入到虚拟机器人的身体里面来进行虚拟操控机器人，训练它的各种操作和动作。然后可以将训练成果转移到真实机器人身上！

牛P大了英伟达发布了Groot Teleop 技术允许你通过Apple Vision Pro 来训练机器人你可以佩戴Apple Vision Pro进入到虚拟机器人的身体里面来进行虚拟操控机器人，训练它的各种操作和动作。然后可以将训练成果转移到真实机器人身上！

小互

92,310 просмотров • 1 год назад

这个机器人项目的思路还是很牛逼的： LLM无法直接输出操作低端机器人命令，但是可以换一种思路：让LLM生成python的奖励函数代码，从而达到训练机器人的目的。这个项目利用一个Reward Translator（奖励翻译器）：首先将自然语言的运动描述按照指定的模板翻译成一个更符合机器人的动作描述。然后将这个动作描述翻译成Python版本的奖励函数再用运动控制器优化生成的奖励函数。项目地址：

这个机器人项目的思路还是很牛逼的： LLM无法直接输出操作低端机器人命令，但是可以换一种思路：让LLM生成python的奖励函数代码，从而达到训练机器人的目的。这个项目利用一个Reward Translator（奖励翻译器）：首先将自然语言的运动描述按照指定的模板翻译成一个更符合机器人的动作描述。然后将这个动作描述翻译成Python版本的奖励函数再用运动控制器优化生成的奖励函数。项目地址：

宝玉

107,795 просмотров • 3 лет назад

机器人在人们的生活中越来越普及，但它们在上岗前也需要去学校“上课”。在中国北方雄安新区的一座异构具身智能机器人训练场，训练员们忙着指导不同型号的机器人反复完成抓取、搬运和组装等动作。

机器人在人们的生活中越来越普及，但它们在上岗前也需要去学校“上课”。在中国北方雄安新区的一座异构具身智能机器人训练场，训练员们忙着指导不同型号的机器人反复完成抓取、搬运和组装等动作。

BBC News 中文

62,359 просмотров • 1 месяц назад

战斗机器狗是怎样练成的？机器狗的彪悍战力当然也要靠训练，以这样的身手，对手想躲是不可能的。

战斗机器狗是怎样练成的？机器狗的彪悍战力当然也要靠训练，以这样的身手，对手想躲是不可能的。

高飞

16,334 просмотров • 1 год назад

Figure AI 的创始人 Brett 说 Optimus 是最棒的，他们的排第二，软件（机器智能）是核心！最新一期 Indigo Talk 聊到机器人，FoundersX 的 Helen 分享了她的观点，大家对机器人过于乐观了，现在最缺的就是数据。地球生物的“行动智能”演化了数亿年，而代表逻辑推理的“语言智能”的出现不过几十万年，这是数亿年训练数据的差异。我们现在用 AI 先解决了从进化角度来看比较“简单”的语言问题，而真正的难题—— 具身智能才刚刚开始。机器人需要海量的、多样化的、充满细微差别的人机互动数据来训练，而这些数据在互联网上是不存在的，其采集成本极高。完整视频请看与硅谷 Deep Tech 投资团队 FoundersX 聊 AI 与深科技👀

Figure AI 的创始人 Brett 说 Optimus 是最棒的，他们的排第二，软件（机器智能）是核心！最新一期 Indigo Talk 聊到机器人，FoundersX 的 Helen 分享了她的观点，大家对机器人过于乐观了，现在最缺的就是数据。地球生物的“行动智能”演化了数亿年，而代表逻辑推理的“语言智能”的出现不过几十万年，这是数亿年训练数据的差异。我们现在用 AI 先解决了从进化角度来看比较“简单”的语言问题，而真正的难题—— 具身智能才刚刚开始。机器人需要海量的、多样化的、充满细微差别的人机互动数据来训练，而这些数据在互联网上是不存在的，其采集成本极高。完整视频请看与硅谷 Deep Tech 投资团队 FoundersX 聊 AI 与深科技👀

indigo

25,377 просмотров • 9 месяцев назад

英伟达宣布：“通用机器人时代”已经来了！英伟达（Nvidia）今天宣布正式发布名为Isaac GR00T N1的机器人基础模型。这是一款开源、可定制的预训练人工智能模型，专门用来加速类人机器人（人形机器人）的开发和应用能力。英伟达创始人兼CEO黄仁勋（Jensen Huang）在2025年的GTC大会主题演讲上表示： “通用机器人时代正式来临。借助Isaac GR00T N1模型和全新的数据生成与机器人学习框架，世界各地的机器人开发者将开启人工智能新时代的下一片疆域。” 在现场演示环节中，黄仁勋展示了由挪威公司1X Technologies开发的类人机器人NEO Gamma，它成功自主地完成了家居环境中的整理工作。这一能力来自于基于GR00T N1模型训练后的策略。 1X Technologies的CEO贝恩特·伯尼奇（Bernt Børnich）说： “类人机器人的未来在于适应能力与自主学习能力。英伟达的GR00T N1模型实现了机器人推理与技能上的重大突破。通过少量的二次训练数据，我们就能顺利将它部署到NEO Gamma机器人上，让我们距离‘创造出真正能与人类相伴、产生有意义帮助的机器人伙伴’这一目标更进一步。” 也许你还记得，几个星期前Nothing手机发布预告视频时，就曾出现过这款逼真到诡异的机器人。不过我们当时没有报道，因为看起来实在太像“真人穿着机器人外套”了（感谢你啊，马斯克）。除了1X Technologies以外，其他几家机器人公司也提前体验了GR00T N1模型，包括：波士顿动力（Boston Dynamics）：Atlas机器人的开发公司 Agility Robotics Mentee Robotics Neura Robotics 双系统架构：像人类大脑一样工作早在一年前，英伟达首次公布GR00T模型时，它的设计理念就明确表示灵感来源于人类大脑的双系统认知架构：系统1：被称为“快速行动模型”，类似人类的本能反应与直觉，可以迅速做出反应。这套系统使用的是通过人类实际示范动作，以及英伟达自家Omniverse平台生成的虚拟仿真数据训练而成。系统2：则是更为理性的“慢速思考模型”，由视觉语言模型驱动。它负责观察周围环境、理解人类给出的指令，并仔细思考后制定详细的行动计划。接着，这些计划会交由系统1快速执行，转化为精准、流畅的机器人动作，比如单手或双手抓取物品，以及执行复杂的、多步骤的任务。开放模型：人人可用、人人可定制 GR00T N1是一个已经预先训练好的通用机器人基础模型，具备基本的类人推理与技能。但开发人员可以根据具体需求，通过额外的二次训练（post-training）来自定义机器人更具体的能力和行为表现，比如家庭整理、办公室工作，甚至更复杂的特殊应用场景。目前，英伟达已经将GR00T N1的训练数据和任务评测场景免费公开在著名平台Hugging Face以及GitHub上供全球开发者下载使用。机器人是取代你工作还是成为你家中的贴心帮手？英伟达认为，这个问题现在已经开始交给我们自己来选择了。

英伟达宣布：“通用机器人时代”已经来了！英伟达（Nvidia）今天宣布正式发布名为Isaac GR00T N1的机器人基础模型。这是一款开源、可定制的预训练人工智能模型，专门用来加速类人机器人（人形机器人）的开发和应用能力。英伟达创始人兼CEO黄仁勋（Jensen Huang）在2025年的GTC大会主题演讲上表示： “通用机器人时代正式来临。借助Isaac GR00T N1模型和全新的数据生成与机器人学习框架，世界各地的机器人开发者将开启人工智能新时代的下一片疆域。” 在现场演示环节中，黄仁勋展示了由挪威公司1X Technologies开发的类人机器人NEO Gamma，它成功自主地完成了家居环境中的整理工作。这一能力来自于基于GR00T N1模型训练后的策略。 1X Technologies的CEO贝恩特·伯尼奇（Bernt Børnich）说： “类人机器人的未来在于适应能力与自主学习能力。英伟达的GR00T N1模型实现了机器人推理与技能上的重大突破。通过少量的二次训练数据，我们就能顺利将它部署到NEO Gamma机器人上，让我们距离‘创造出真正能与人类相伴、产生有意义帮助的机器人伙伴’这一目标更进一步。” 也许你还记得，几个星期前Nothing手机发布预告视频时，就曾出现过这款逼真到诡异的机器人。不过我们当时没有报道，因为看起来实在太像“真人穿着机器人外套”了（感谢你啊，马斯克）。除了1X Technologies以外，其他几家机器人公司也提前体验了GR00T N1模型，包括：波士顿动力（Boston Dynamics）：Atlas机器人的开发公司 Agility Robotics Mentee Robotics Neura Robotics 双系统架构：像人类大脑一样工作早在一年前，英伟达首次公布GR00T模型时，它的设计理念就明确表示灵感来源于人类大脑的双系统认知架构：系统1：被称为“快速行动模型”，类似人类的本能反应与直觉，可以迅速做出反应。这套系统使用的是通过人类实际示范动作，以及英伟达自家Omniverse平台生成的虚拟仿真数据训练而成。系统2：则是更为理性的“慢速思考模型”，由视觉语言模型驱动。它负责观察周围环境、理解人类给出的指令，并仔细思考后制定详细的行动计划。接着，这些计划会交由系统1快速执行，转化为精准、流畅的机器人动作，比如单手或双手抓取物品，以及执行复杂的、多步骤的任务。开放模型：人人可用、人人可定制 GR00T N1是一个已经预先训练好的通用机器人基础模型，具备基本的类人推理与技能。但开发人员可以根据具体需求，通过额外的二次训练（post-training）来自定义机器人更具体的能力和行为表现，比如家庭整理、办公室工作，甚至更复杂的特殊应用场景。目前，英伟达已经将GR00T N1的训练数据和任务评测场景免费公开在著名平台Hugging Face以及GitHub上供全球开发者下载使用。机器人是取代你工作还是成为你家中的贴心帮手？英伟达认为，这个问题现在已经开始交给我们自己来选择了。

宝玉

151,635 просмотров • 1 год назад

迪士尼雪宝 Olaf 机器人 Olaf 机器人的技术栈：硬件：肚子里装了 Jetson 计算机（NVIDIA 的边缘 AI 芯片）训练：在 Omniverse（NVIDIA的虚拟仿真平台）里学会走路，先在虚拟世界跑通，再迁移到真实机器人物理引擎：Newton 求解器，运行在 NVIDIA Warp 上（一个 Python物理模拟框架），跟 Disney 和 DeepMind 联合开发。让 Olaf能适应真实物理世界（地面摩擦、重心平衡等）整条链路：Omniverse 虚拟训练 → Newton/Warp 物理仿真 → Sim-to-Real 迁移 →Jetson 边缘推理 → 真实机器人行走语言和大脑应该是Deepmind 的 Gemini 模型

迪士尼雪宝 Olaf 机器人 Olaf 机器人的技术栈：硬件：肚子里装了 Jetson 计算机（NVIDIA 的边缘 AI 芯片）训练：在 Omniverse（NVIDIA的虚拟仿真平台）里学会走路，先在虚拟世界跑通，再迁移到真实机器人物理引擎：Newton 求解器，运行在 NVIDIA Warp 上（一个 Python物理模拟框架），跟 Disney 和 DeepMind 联合开发。让 Olaf能适应真实物理世界（地面摩擦、重心平衡等）整条链路：Omniverse 虚拟训练 → Newton/Warp 物理仿真 → Sim-to-Real 迁移 →Jetson 边缘推理 → 真实机器人行走语言和大脑应该是Deepmind 的 Gemini 模型

小互

73,193 просмотров • 3 месяцев назад

🔥🔥【马斯克点评波士顿动力机器人：炫酷但没用】马斯克直言：波士顿动力的机器人“看起来很酷”，但根本不实用，只是“高级木偶”。这些机器人不具备自主思考能力，全靠遥控和编排动作表演，谈不上真正的智能。他押注的未来：AI优先、能自主学习的机器人，而不是只会跳舞的“机械演员”。马斯克认为，解决自动驾驶的关键是现实世界人工智能，而一旦汽车能用AI驾驭，四轮机器人的技术就可以扩展到双足机器人。下一波浪潮，是能思考的类人机器人。 “人们还没意识到，这将比汽车革命更大。”

🔥🔥【马斯克点评波士顿动力机器人：炫酷但没用】马斯克直言：波士顿动力的机器人“看起来很酷”，但根本不实用，只是“高级木偶”。这些机器人不具备自主思考能力，全靠遥控和编排动作表演，谈不上真正的智能。他押注的未来：AI优先、能自主学习的机器人，而不是只会跳舞的“机械演员”。马斯克认为，解决自动驾驶的关键是现实世界人工智能，而一旦汽车能用AI驾驭，四轮机器人的技术就可以扩展到双足机器人。下一波浪潮，是能思考的类人机器人。 “人们还没意识到，这将比汽车革命更大。”

淘喵先生

76,944 просмотров • 1 год назад

🚨图灵奖获得者Yann LeCun：机器人公司都在演戏，假装这些机器人真的有用。他们无法对外部世界建模，常识还不如一只猫。你看到那些机器人武术啥的全都是事先编程好的。现在只能针对极为细分的任务训练，非常耗算力未来的挑战是真的让机器人理解世界。大型语言模型面对高纬度充满遭遇的数据行不通

🚨图灵奖获得者Yann LeCun：机器人公司都在演戏，假装这些机器人真的有用。他们无法对外部世界建模，常识还不如一只猫。你看到那些机器人武术啥的全都是事先编程好的。现在只能针对极为细分的任务训练，非常耗算力未来的挑战是真的让机器人理解世界。大型语言模型面对高纬度充满遭遇的数据行不通

谢嘉琪 Jiaqi

155,254 просмотров • 4 месяцев назад

如今，训练机器人不再只是工程师的工作。人们现在只需在家录制自己完成简单家务的视频，就能获得报酬。这或许是目前最容易上手的人工智能副业之一，你愿意用这种方式赚取零用吗？ #dwdigital

如今，训练机器人不再只是工程师的工作。人们现在只需在家录制自己完成简单家务的视频，就能获得报酬。这或许是目前最容易上手的人工智能副业之一，你愿意用这种方式赚取零用吗？ #dwdigital

DW 中文- 德国之声

11,574 просмотров • 5 дней назад

之前特斯拉机器人能跳舞的时候，我就说过，特斯拉大概率是掌握了用强化学习（RL）+模拟器来训练机器人的方法。特斯拉的模拟器应该非常接近真实世界，因此训练效率会很高。因此，未来特斯拉机器人学习新的技能会很快。果不其然，没几天，特斯拉就学会做家务了。机器人高管Milan Kovac透露了Optimus的训练方式：让Optimus看互联网上的视频，学动作，然后在模拟器里，用强化学习提升可靠性。Optimus的发展已经进入快车道，未来的进步速度很可能会非常吓人。值得密切关注。详情请见视频。

之前特斯拉机器人能跳舞的时候，我就说过，特斯拉大概率是掌握了用强化学习（RL）+模拟器来训练机器人的方法。特斯拉的模拟器应该非常接近真实世界，因此训练效率会很高。因此，未来特斯拉机器人学习新的技能会很快。果不其然，没几天，特斯拉就学会做家务了。机器人高管Milan Kovac透露了Optimus的训练方式：让Optimus看互联网上的视频，学动作，然后在模拟器里，用强化学习提升可靠性。Optimus的发展已经进入快车道，未来的进步速度很可能会非常吓人。值得密切关注。详情请见视频。

Ben X

39,667 просмотров • 1 год назад

特斯拉 FSD v12 真正的端到端的自动驾驶！特斯拉能不能成功，除了人形机器人之外就只有这个FSD了！

特斯拉 FSD v12 真正的端到端的自动驾驶！特斯拉能不能成功，除了人形机器人之外就只有这个FSD了！

蔡子博士Chris

125,874 просмотров • 2 лет назад

兄弟们这个牛P Tnkr：机器人的 GitHub 首个为机器人研发打造的“一体化开源平台”，让机器人研发变得像开源软件那样简单。集成了机器人研发的四个核心要素： 🧩 硬件：设计、装配、零件管理 💻 软件：控制系统与传感器代码 📊 数据：从现实世界收集的运行数据 🧠 模型：驱动机器人智能化的AI模型 Tnkr 的理念是： “让机器人研发像写代码一样可协作、可复现、可开源。” 用户可以： ✅ 上传自己的机器人项目 ✅ 发布装配说明与源码 ✅ 让他人重建、修改、贡献数据 ✅ 共同改进模型，让机器人越用越聪明这是一个真正的“物理智能”协作网络。

兄弟们这个牛P Tnkr：机器人的 GitHub 首个为机器人研发打造的“一体化开源平台”，让机器人研发变得像开源软件那样简单。集成了机器人研发的四个核心要素： 🧩 硬件：设计、装配、零件管理 💻 软件：控制系统与传感器代码 📊 数据：从现实世界收集的运行数据 🧠 模型：驱动机器人智能化的AI模型 Tnkr 的理念是： “让机器人研发像写代码一样可协作、可复现、可开源。” 用户可以： ✅ 上传自己的机器人项目 ✅ 发布装配说明与源码 ✅ 让他人重建、修改、贡献数据 ✅ 共同改进模型，让机器人越用越聪明这是一个真正的“物理智能”协作网络。

小互

17,420 просмотров • 6 месяцев назад

英伟达的杰出科学家Jim Fan在红杉的AI大会上对如何训练机器人做了详细的讲解，并且，他还展望了如果机器人通过了物理世界的图灵测试（Physical Turing Test），这个世界会变成什么样，都有哪些商业机会。演讲非常精彩，关注机器人的朋友们值得关注，详情请见视频。

英伟达的杰出科学家Jim Fan在红杉的AI大会上对如何训练机器人做了详细的讲解，并且，他还展望了如果机器人通过了物理世界的图灵测试（Physical Turing Test），这个世界会变成什么样，都有哪些商业机会。演讲非常精彩，关注机器人的朋友们值得关注，详情请见视频。

Ben X

20,864 просмотров • 1 год назад

昨天黄仁勋演讲之后很多人好奇英伟达和特斯拉在自动驾驶方面的竞争，黄仁勋的回答非常体面：“特斯拉的自动驾驶技术栈是全球最先进的，端到端AI的应用早已先行一步”。只能说老黄实在是太会了，又当选手又当教练同时还要卖参赛指定用品，特斯拉训练自动驾驶系统需要英伟达芯片，夸客户的成功本质上是在向全世界推广：“看，特斯拉这条路已经跑通了，想做成顶尖自动驾驶，就得学特斯拉的AI路径，买我的芯片。”

昨天黄仁勋演讲之后很多人好奇英伟达和特斯拉在自动驾驶方面的竞争，黄仁勋的回答非常体面：“特斯拉的自动驾驶技术栈是全球最先进的，端到端AI的应用早已先行一步”。只能说老黄实在是太会了，又当选手又当教练同时还要卖参赛指定用品，特斯拉训练自动驾驶系统需要英伟达芯片，夸客户的成功本质上是在向全世界推广：“看，特斯拉这条路已经跑通了，想做成顶尖自动驾驶，就得学特斯拉的AI路径，买我的芯片。”

傅盛

98,006 просмотров • 5 месяцев назад

🔥Chamath：马斯克打算用“人工合成数据”来训练未来的Grok版本，太疯狂了！ 🚨马斯克：早在去年，人类积累的所有知识在AI训练中就已经被用尽了。所以，唯一能继续推进的方法，就是让AI自己生成“合成数据”。 AI会自己提出问题和观点，再自己打分、评估，通过这种自我学习的方式不断进化。

🔥Chamath：马斯克打算用“人工合成数据”来训练未来的Grok版本，太疯狂了！ 🚨马斯克：早在去年，人类积累的所有知识在AI训练中就已经被用尽了。所以，唯一能继续推进的方法，就是让AI自己生成“合成数据”。 AI会自己提出问题和观点，再自己打分、评估，通过这种自我学习的方式不断进化。

谢嘉琪

76,826 просмотров • 11 месяцев назад

特斯拉的人形机器人项目，未来一定会遭遇多个强大的竞争对手。马斯克也不是战无不胜的。上周六英伟达注资的Figure机器人，每4.05秒处理一个包裹，现在只需3.54秒，加速13%。看起来，包裹取放本身不需要高精度，机械手+视觉能处理很正常，但这是泛用性人形机器人，只要更新软件，就可训练工作内容，可换岗。自动化设备做不到多能工，成本太高。不过，这种设备的应用场景，主要在欧美。每月养护这么一个机器人的费用，估计够请好几个中国农民工了？

特斯拉的人形机器人项目，未来一定会遭遇多个强大的竞争对手。马斯克也不是战无不胜的。上周六英伟达注资的Figure机器人，每4.05秒处理一个包裹，现在只需3.54秒，加速13%。看起来，包裹取放本身不需要高精度，机械手+视觉能处理很正常，但这是泛用性人形机器人，只要更新软件，就可训练工作内容，可换岗。自动化设备做不到多能工，成本太高。不过，这种设备的应用场景，主要在欧美。每月养护这么一个机器人的费用，估计够请好几个中国农民工了？

亚洲金融 Asia Finance

100,096 просмотров • 1 год назад